Vergleich von alternativen Verfahren zur Berechnung des Value-at-Risk anhand internationaler Aktienindizes
Autor: | Max Okhotnikov |
---|---|
EAN: | 9783656334064 |
eBook Format: | ePUB/PDF |
Sprache: | Deutsch |
Produktart: | eBook |
Veröffentlichungsdatum: | 13.12.2012 |
Kategorie: | |
Schlagworte: | Filtered historical Simulation GARCH Historische Simulation Market risk Marktrisiko Risiko Risikomanagement Risikomessung Risk Risk Management Value-at-Risk alternative Verfahren VaR empirische Eigenschaften d quatitaves Risikomanagement |
18,99 €*
Versandkostenfrei
Die Verfügbarkeit wird nach ihrer Bestellung bei uns geprüft.
Bücher sind in der Regel innerhalb von 1-2 Werktagen abholbereit.
Bachelorarbeit aus dem Jahr 2011 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 1,3, Universität Passau, Veranstaltung: Quantitave Risk Management, Sprache: Deutsch, Abstract: Abstract: Eine genaue Abschätzung bestehender Marktrisiken ist ausschlaggebend für eine adäquate Beurteilung der Risikosituation eines Finanzinstituts. Um die Stabilität des Finanzsystems zu gewährleisten, gibt der Basler Ausschuss für Bankenaufsicht einen regulatorischen Rahmen zur Abschätzung von Marktrisiken vor. Hierfür liefert die empirische Vergleichsstudie in der vorliegenden Arbeit eine umfassende Analyse alternativer Ansätze zur Berechnung der Risikomaßzahl 'Value-at-Risk' (VaR). Um einen Bezug zwischen Theorie und Praxis herzustellen, werden in der Vergleichsstudie alternative VaR-Ansätze anhand von vier internationalen Aktienindizes analysiert. Dabei liegt die wissenschaftliche Besonderheit dieser Simulationsstudie im Vergleich der Prognosegüte dreier verschiedener Arten von Ansätzen: Es werden parametrische, nicht parametrische und semi-parametrische Ansätze verglichen. Vor allem folgt der Beweis, dass die Anwendung von nicht parametrischen Ansätzen zu einer sehr starken Unterschätzung des Marktrisikos führen kann. Überaus gute Ergebnisse dagegen erzielen die GARCH-Ansätze, welche durch die Modellierung der zeitveränderlichen Volatilität eine genaue Prognostizierung der Risiken gewährleisten. Besonders hervorgehoben wird der Ansatz der gefilterten historischen Simulation (FHS), da er trotz einer sparsameren Parametrisierung sehr gute Ergebnisse liefert.